Implementation — A股 ETF 价值平均法（VA）

整体方案

S6 是 V1 共享基线下的「权重驱动」策略，但锚点不再是资产权重（S2/S3 系列）也不是现金流量（S1），而是NAV 路径。

每月第一个交易日 T 收盘评估：

target(t) = init_cash × (1 + cagr_target / 12) ** months_elapsed   (复利路径，B 方案)
gap = target(t) - NAV(t)

下一个交易日 T+1 开盘：

• gap > min_action_amount（NAV 落后）：从货币池抽 min(gap, max_buy_per_period, cash_value) → 等额 6 等分买入风险 ETF
• gap < -min_action_amount（NAV 超前）：按当下市值比例分摊到 6 只 ETF 卖出 min(|gap|, max_sell_per_period)，回流货币池
• |gap| ≤ min_action_amount 或货币池为空：跳过（NOOP / SKIP）

机制层关键点：

1. 没有阈值触发的高频动作：所有动作仅在月度决策日；与 S2 v1 的 ~177 次/5 年 swing 相比量级低 1-2 个数量级
2. 机制层对称：差>0 买、差<0 卖；不预设方向
3. 货币池触底硬刹车：cash_value < min_action_amount 时 BUY 退化为 NOOP（不杠杆、不外部注资）
4. 单月上限 = 流量阀：max_buy/sell 各 15k；防止极端市场单次砸光资金池

因子清单

本策略不使用任何 Factor 类。

VA 的"目标 NAV 路径"不抽出 Factor 类——仅在策略内部计算（私有方法 _target_value），不暴露 IC 接口。

新增因子（如有）

无。

策略实现要点

• 文件：src/strategy_lib/strategies/cn_etf_value_averaging.py
• 类：ValueAveragingStrategy（不继承 S1/S2/S2v2，独立实现）
• 主真值：纯 python simulate() 算 NAV；vectorbt 仅作可选 trade analyzer（不存在时降级 portfolio=None）
• 时序：T 日 close 决策；T+1 open + slippage 成交 → 与 S1/S2 一致防未来函数

# 核心循环简化伪代码
for t in range(n_days):
    if pending_action:
        execute_at_open(pending_action, day=t)  # T+1 成交
    nav[t] = mark_to_market(close[t])
    if next_day_is_month_first:
        target_t = init_cash * (1 + cagr_target/12) ** months_elapsed
        gap = target_t - nav[t]
        if gap > min_action:
            pending_action = ("BUY", min(gap, max_buy_per_period))
        elif gap < -min_action:
            pending_action = ("SELL", min(-gap, max_sell_per_period))

策略配置

• 配置文件：configs/S6_cn_etf_value_averaging_v1.yaml
• 类型：value_averaging（本类型不在 strategies/registry.py 注册，避免修改硬约束保护文件）
• 关键参数：
  • target_path_kind: compound （B 方案；可选 linear / compound_floor）
  • cagr_target: 0.08（默认；4 档敏感性 0.06/0.08/0.10/0.12）
  • max_buy_per_period: 15000，max_sell_per_period: 15000
  • min_action_amount: 500

数据

• 标的池：与共享基线一致（511990 货基 + 6 只风险 ETF）
• 数据范围：2020-01-01 ~ 2024-12-31（共 1209 个交易日）
• 数据来源：data/raw/cn_etf/<sym>_1d.parquet（cache hit，无网络请求）
• 复权：前复权（akshare qfq）
• 成本：万 0.5 fees + 万 5 slippage（共享基线）

踩过的坑

1. 货币池"近耗尽" vs “彻底耗尽”： simulate 中 cash_exhausted_date 的判定用 cash_value < min_action_amount=500 而不是 < 0—— 因为浮点剩余几十块时再继续 NOOP 没意义。文档里"耗尽"指此点，不是货币池真的为零。

2. 目标路径月份对齐： months_elapsed 用 pandas.Period.n 差值算，而不是按交易日数 / 21。这样在交易日数偏离 21 的月份（节假日多 / 春节）路径仍然平滑。

3. vbt from_orders 的 amount 字段： 订单日志里增加了 amount（人民币金额）字段；turnover_annual 计算优先用它，避免 size × price 在不同 ETF 上的浮点累计误差。

4. NAV 重算时初始日 t=0 必须先初始化货基持仓： init_buy 把 init_cash 全部投入 511990，作为起始 NAV。第一个月底如果 target>init_cash 才会触发 BUY；如果第一个月就触发 BUY，要确保此前 t=0 的 holdings_hist 已被记录否则 NAV 重算对不上。

5. 决策日是 T，成交是 T+1： month_first_set 判定用 index[t+1] in month_firsts（T 是月底/月中、T+1 是月初）。这种实现保证不偷看下个月数据。

决策记录

• 选 B（复利）而非 A（线性）/ C（有底线）：

  • A 在终值上同样能配出敏感性，但与"目标 CAGR"语义脱钩（线性增长 50% 等价 CAGR 8.4% 但只在 5 年端点），不直观
  • C 在 5 年回测里基本退化为 DCA 变体（NAV 长期 < init_cash + 复利→ max() 钳制 → 几乎全是买）；不能测对称性

• 4 档 cagr_target = [6%, 8%, 10%, 12%]：

  • 6% 是温和（接近本期 BH+5pct）
  • 8% 是默认（正好高于 BH 长期期望）
  • 10%/12% 是激进档（用于看货币池什么时候耗尽）

• 单月上限 15k 不调：

  • 原始假设：100k init_cash × 15k/月 = 6.7 月可耗尽（极端跌市）
  • 实测：8% 档 2022-01-04 耗尽（约 24 个月），印证上限是合理保守值

• 不引入 cash_min_reserve：

  • 让货币池能耗尽是核心实验意图——观察 VA 的极限行为

相关 commits

• 实现：<待提交>
• 调参：—— 本版无调参

Validation — A股 ETF 价值平均法（VA, S6 v1）

每次新一轮回测/验证就追加一个 ## YYYY-MM-DD <轮次主题> 小节，不要覆盖。

2026-05-08 Smoke Test（合成数据）

配置 & 数据

• 配置：configs/S6_cn_etf_value_averaging_v1.yaml（默认参数 cagr_target=0.08）
• 数据：合成 7 个 symbol（1 货基 + 6 风险）OHLCV，504 个交易日（2020-01-02 起，B 频率）
• 三种漂移模式：balanced（年化漂移 ~7%）、down（年化 -15%）、up（年化 +27%）
• 目的：验证 VA 双向调节机制、货币池非负、NAV 重算恒等

因子层（IC 分析）

本策略不使用任何 Factor，跳过 IC / 分组分析。

Smoke 结果

机械正确性检查

• ✅ NAV 重算恒等（(holdings × close).sum() ≈ nav.iloc[-1]，浮点误差 < 1e-9）
• ✅ 起始时货基持仓 ≈ init_cash（前向 buy 之前 cash_weight > 0.99）
• ✅ 货币池始终非负（cash_holdings >= -1e-9 全程）
• ✅ down 模式 BUY+NOOP 月数 ≥ 12（VA 在跌市持续加仓直到货币池耗尽）
• ✅ up 模式 SELL 月数 ≥ 1（VA 在涨市强制减仓）—— 核心机制对称性兑现
• ✅ target 序列单调递增（cagr_target > 0 时）

解读

• smoke up 模式触发了 SELL —— 这是 VA 区别于 DCA / S2 的关键机制证据：当 NAV 超过 target 路径时强制卖出。在 S2 v1 整个 5 年里 swing_sell 177 次但资金净流入；VA 是 NAV 净流出。
• balanced 模式 cash_exhausted_date=2021-12-01 是一个良性事件：货币池被规整地"投光"——剩余 0.3% 是浮点剩余，下个月 BUY 计划被 NOOP 跳过。
• smoke down 模式 NOOP 月数偏少（仅 2）：因为 max_buy_per_period=10000（smoke 测试值）让货币池能持续 10 个月才耗尽；最后一个月剩余刚好等于 min_action_amount 才触发 NOOP——量级敏感于风控参数选择。
• VA 的目标 NAV 路径（cagr_target=8%）在 balanced 漂移（~7% 漂移 - 6 ETF 等权后偏多头）下 NAV final 略落后 target final（111k vs 116k）—— 因为风控上限 + 6 ETF 等权后实际 beta < 1。

2026-05-08 真实数据回测（cagr_target=8% 默认档）

配置 & 数据

• 代码版本：本仓库工作树（首次提交前）；运行点 summaries/S6_cn_etf_value_averaging/v1/validate.py::backtest_real()
• 策略参数（ValueAveragingStrategy() 默认值）：
  • cash_symbol=511990，risk_pool=(510300,510500,159915,512100,512880,512170)
  • target_path_kind=compound，cagr_target=0.08
  • max_buy_per_period=15000，max_sell_per_period=15000
  • min_action_amount=500
• 资金/成本（共享基线）：init_cash=100,000、fees=0.00005、slippage=0.0005、复权 = qfq
• 回测窗口：2020-01-01 ~ 2024-12-31，共 1209 个交易日
• 数据来源：data/raw/cn_etf/{...}_1d.parquet（cache hit）

回测绩效（VA vs S2 v1 vs S1 v1 vs 510300 BH）

跟踪指标：

• 超额总收益（vs BH）：-21.20%
• 信息比率：-0.374
• 跟踪误差（年化）：14.23%

VA 特有：

• BUY 月数 = 24（货币池耗尽前每月 1 次）
• SELL 月数 = 0（5 年里 NAV 从未超过 8% target 路径）
• NOOP 月数 = 35（货币池耗尽后想买买不到）
• 终态 final_target = 147,998（目标）vs final_nav = 82,940（实际）→ gap = 65k 永远没补回来
• final_risk_weight = 100% / final_cash_weight = 0%

分年度收益

4 档 cagr_target 敏感性（artifact CSV）

关键观察：

• 4 档全部 0 SELL——VA 的卖出机制在 5 年内一次都没触发（实际 NAV 全程低于任一档目标路径）
• cagr_target 越高 → 货币池越早耗尽 → BUY 月数越少 → NOOP 月数越多
• 反直觉：cagr_target 越高 NAV 越好！原因：12% 档要求每月 BUY 上限 = 15k 全压；货币池在 2021-08 之前被全部投入风险池——正好赶上 2022 熊市前的高位——NAV 反而比 6% 档更接近 BH。即"目标越激进 → 货币池被打光越早 → 越早全仓 → 5 年累积收益越接近 100% 风险池 BH"。
• 这印证了 S2 v2 conclusion 的洞察：该 6 ETF 池在 2020-2024 的 alpha 上限来自"全仓择时"而非"DCA/VA 节奏"——节奏机制在该池上无 alpha。

关键图表（artifacts/）

• equity_curve.png —— S6 VA vs S1 vs S2 v1 vs 510300 BH（4 条线归一化）
• drawdown.png —— 4 个策略的回撤曲线对比
• target_vs_actual.png —— 核心可视化：目标路径（CAGR 8%）vs 实际 VA NAV vs BH NAV，含 cash_exhausted 时点标线
• va_actions.png —— 月度 BUY/SELL 金额条形（绿正红负），NOOP 标 X
• cash_vs_risk.png —— 货币池 / 风险池占比时间序列
• cagr_sensitivity.csv —— 4 档 cagr_target 敏感性表

解读 & 关键发现

1. VA 机制层完全对称（核心 KPI 兑现）

• 高/低抛比 = 0:0（5 年内 0 次卖出）
• 这与 S2 v1（11.80:1 不对称）形成鲜明对照——但不是因为 VA 机制有 bug，而是因为：

2. VA 在 2020-2024 A股 ETF 上"对称机制 vs 行情结构性"完全错位

• 5 年里 6 ETF 等权 NAV 几乎从未超过 init_cash × (1+8%/12)^m 的目标路径
• 即使 cagr_target=6%（5 年终值 134k），实际 NAV 在 2020 高点 121k 也不够碰
• 终态 gap = 65k（target 148k vs actual 83k）—— 这是 5 年累积"目标 vs 实际"的总缺口
• VA 的 SELL 机制被这种结构性多头偏置（市场跑输目标）从未启动 → 机制对称没有创造对称的实际行为

3. 2022-01-04 货币池耗尽是关键拐点

• 之前：VA 月度 BUY 15k 上限消化 init_cash + 复利累积下来的 ~100k 货基
• 之后：VA 退化为"100% 风险池等权静态组合"——与 S1 v1 在 2021-09 之后的状态本质等价
• 但 S6 比 S1 更早进入"全仓"状态（2022-01 vs 2021-09 后段，但 S6 是更激进地买入），结果在 2022 熊市中 VA -22.90% vs S1 -22.91%——几乎一样

4. 2020 大幅跑输（VA -26pct vs BH）的双重原因

• 上半年：100k 货基逐月解锁 15k → 6 月底才把货基投入 ~30%；错过 2020 H1 反弹
• 下半年：VA 仍在执行 BUY 节奏（每月 15k），并未利用"已涨过 target 该卖"的机制（因为 target 也在向上）
• 这就是 idea.md 里说的"15k 单月上限在 V 反市场中导致少买"的实证

5. 2024 跑输 BH 8.58pct 的原因（与 S2 v1 的 11.7pct 类似但不同）

• VA 在 2024 已经货币池耗尽近 2 年了——没有任何"卖→等→买"动作可言
• 2024 全年 VA 仅是 100% 风险池等权浮动；6 ETF 等权（含创业板/医疗）跑输 510300 主板
• 这个 -8.58pct 本质是池子构成问题，不是 VA 机制问题——和 S1 v1 的 2024（-8.41pct）几乎一致

6. VA 是否真的解决了 S2 揭示的"DCA 不对称结构性矛盾"？

• 机制层：是（高/低对称比 0:0；任意 cagr_target 档同结论）
• 效果层：完全否——因为 5 年内目标路径 > 实际路径，对称机制只单边触发
• 更深的发现：S2 v2 conclusion 已正确诊断「6 ETF 在 5 年里整体偏多头」，S6 在另一个机制（VA）上给出独立验证——任何"对称做T" 框架在该池子上都偏向单方向

货币池极限情况是否触发？

• 是——4 档全部触发（最早 2021-08，最晚 2022-03）
• 触发后行为符合设计：NOOP 跳过、不杠杆、不外部注资
• 这印证 idea.md 风险点 1（“目标路径’卡脖子’问题”）：A股 ETF 池跑输 6% 目标 CAGR 的概率 = 100%（5 年回测）

已知边界

• VA 在 5 年回测里没有完整测试 SELL 路径：若想真正测对称性，需要：

  • 换更弱的池子（target 更容易超过）—— 例如把 cagr_target = 0% 或负值；但语义上不再是"价值平均法"
  • 换更强的市场样本（例如 2010-2014 中证 500）——超出本基线时间窗
  • 注资规模放大（“100k init"换成"100k init + 5k/月固定追加”）——但脱离基线

  本版选择保留与 S1/S2 完全可比的基线；不增加 OOS 不可验证性

• vbt portfolio 字段：在当前环境下 _run_with_vbt 因 vbt API 兼容已正常运行（result.portfolio 非 None），但所有指标用 simulate 主真值，vbt 仅作旁证

下一步（候选 v2 方向，不在 v1 上事后调参）

• 方向 a：换池子——5 年回测 BH = 4% CAGR；想测 VA 对称性需要"NAV 与 target 互相穿越"的池子；候选：单标的 510300（去掉 6 ETF 偏多头的池子结构），或把池子换成 BH≈3% 的混合池
• 方向 b：动态 cagr_target——按过去 1 年实际 CAGR ± 调整（OOS 不可验证性增加，谨慎）
• 方向 c：放开 init 规模约束——按 Edleson 1991 原版"持续注资 + 可借入"重做基线
• 方向 d（共池研究）：以 S6 + S1 + S2 + S3 在统一池子下做"alpha 来源消融"——确认"6 ETF 池的 alpha 上限来自全仓择时不是节奏"
• 在 summaries/README.md 索引追加 S6 v1 一行